CLASIFICACIÓN DE ESTADOS DE UNA CADENA DE MARKOV EN TIEMPO DISCRETO DEFINICIÓN DE CADENA DE MARKOV Una cadena de Mark
Views 39 Downloads 1 File size 315KB
CLASIFICACIÓN DE ESTADOS DE UNA CADENA DE MARKOV EN TIEMPO DISCRETO DEFINICIÓN DE CADENA DE MARKOV Una
cadena
de
Markov
es
un
proceso
estocástico
con
un
número
finito de estados con probabilidades de transición estacionarias, es decir, si se conoce la historia del sistema hasta su instante actual, su estado presente resume toda la información relevante para describir en probabilidad su estado futuro. Una cadena de Markov es una secuencia X1, X2, X3,..., de variables aleatorias.
El
rango
de
estas
variables,
es
llamado
espacio
estado, el valor de Xn es el estado del proceso en el tiempo n. Si la distribución de probabilidad condicional de Xn+1 en estados pasados es una función de Xn por si sola, entonces: Prob{Xn+1=j|X0=k0, X1=k1, ..., Xn-1=kn-1, Xn=i}= Prob{Xn+1=j|Xt=1} Donde Xi es el estado del proceso en el instante i. La identidad mostrada es la Propiedad de Markov. Algunos resultados teóricos que tienen relación con la existencia y cálculo de una distribución para la Cadena de Markov en el largo plazo
(conocida
también
como
distribución
estacionaria).
Previamente, se enumeran algunas definiciones que clasifican los estados de una cadena. Para ello consideraremos el ejemplo que utilizamos
para
introducir
una Cadena
de
Markov
en
Tiempo
Discreto, asumiendo la probabilidad de lluvia al inicio (y final del día) en un 20% (p=0,2). El grafo que resume las probabilidades de transición es el siguiente:
Clasificación de Estados de una Cadena de Markov Un estado j se dice accesible desde el estado i ssi para algún n:
Lo
anterior
implica
que
existe
una
probabilidad
no
nula
que
comenzando en el estado i se puede llegar al estado j al cabo de n etapas.
En
nuestro
ejemplo
el
estado
2
es
accesible
desde
el
estado 0 (dado que desde 0 se puede acceder a 1 y desde 1 se puede acceder a 2). Es trivial demostrar en este contexto que el estado 2 es accesible desde 1 (como también 1 lo es desde 2). Adicionalmente si tanto el estado i es accesible desde j como viceversa decimos que los estados i y j se comunican. Notar que 1 es accesible desde 0 (como 0 también es accesible desde 1) por tanto 0 y 1 se comunican. También es posible demostrar que 1 y 2 se
comunican.
Luego
por transitividad el
estado
0
y
2
se
comunican. Lo anterior deja en evidencia que en el ejemplo todos los estados se comunican entre sí, por lo cual pertenecen a la misma clase
de
estados.
única clase de estados.
Una
cadena
es irreducible si
tiene
una
Un estado se dice que tiene periodo d, para el mayor valor del entero d que cumple:
Sólo para valores de n pertenecientes al conjunto {d, 2d, 3d, ….}. Si d=1 decimos que el estado es aperiódico. En otras palabras, un estado es periódico si, partiendo de ese estado, sólo es posible volver a él en un número de etapas que sea múltiplo de un cierto número entero mayor que uno. En el ejemplo se puede volver a cada estado con probabilidad no nula al cabo de una etapa, condición suficiente
(pero
no
necesaria)
para
afirmar
que
los
estados
son aperiódicos. Se denota por Fk(i,i) la probabilidad de que el proceso retorne al estado i por primera vez al cabo de k etapas. De modo que:
Es
la
estado
probabilidad i
alguna
que vez.
partiendo
en
i,
SiF(i,i)=1 se
el
proceso
dice
que
regrese el
al
estado
es recurrente (en caso contrario, es decir, F(i,i)